龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：北京邮电大学;国网江西省电力有限公司电力科学研究院
摘要：本发明提出了一种基于LSTM‑XGBoost神经网络的多因素负荷预测方法及装置，包括：采集源数据，经预处理后，生成基于历史负荷数据和历史外在因素数据的待分析数据；将待分析数据根据数据类型生成多个第一输入数据集，根据构建的双层LSTM模型提取每个输入数据集中的长期依赖关系；基于长期依赖关系和所述历史负荷数据生成第二输入数据集，根据构建的XGBoost模型对第二输入数据集进行拟合、预测，生成基于LSTM‑XGBoost组合模型的多因素负荷预测值。本发明先使用LSTM神经网络提取历史数据的长期依赖关系，再使用XGBoost模型进行拟合，并完成最终的预测，从而提高了负荷预测的准确率。
主权项：1.一种基于LSTM-XGBoost神经网络的多因素负荷预测方法，其特征在于，所述方法包括如下步骤：步骤S1.采集源数据，经预处理后，生成基于历史负荷数据和历史外在因素数据的待分析数据；步骤S2.将所述待分析数据根据数据类型生成多个第一输入数据集，根据构建的双层LSTM模型提取每个输入数据集中的长期依赖关系；步骤S3.基于所述长期依赖关系和所述历史负荷数据生成第二输入数据集，根据构建的XGBoost模型对第二输入数据集进行拟合、预测，生成基于LSTM-XGBoost组合模型的多因素负荷预测值。
全文数据：
权利要求：
百度查询： 北京邮电大学 国网江西省电力有限公司电力科学研究院 基于LSTM-XGBoost神经网络的多因素负荷预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号